बधाई हो!

LangChain और Neo4j के साथ Graph RAG

Adam Cowley

Manager, Developer Education at Neo4j

अध्याय 1

Text	Vector Embedding
He's just a city boy born	`[0.12, -0.34, 0.56, 0.78, ..., -0.91]`
born and raised in South Detroit	`[0.22, 0.45, -0.67, 0.11, ..., 0.33]`
He took the midnight train	`[-0.55, 0.89, 0.12, -0.44, ..., 0.67]`
going anywhere	`[0.78, -0.23, 0.45, 0.91, ..., -0.12]`

गीत "Don't stop believing" में उल्लिखित एंटिटी का ग्राफ डायग्राम। एक छोटे शहर का लड़का, South Detroit से BORN और RAISED रिश्तों के साथ

अध्याय 1

नोड डायग्राम जिसमें Book नोड और दो WRITTEN_BY रिश्ते लेखकों से जुड़े हैं, यह दिखाने के लिए कि नोड के कई रिश्ते हो सकते हैं.

अध्याय 1

परिणामों को प्रॉम्प्ट में इंजेक्ट किया जाता है ताकि उन्हें LLM को भेजा जा सके

अध्याय 2

एक डायग्राम जो एक hierarchy दिखाता है: एक document, उससे one-to-many रिश्ते के साथ pages, और प्रत्येक page से जुड़े कई chunk नोड्स

act_splitter = RecursiveCharacterTextSplitter(
    # Split text into acts
    separators=[ r"\n\nTHE PROLOGUE.",  r"\n\nACT",
                 r"\n\n\*\*\* END"],
    is_separator_regex=True
)

scene_splitter = RecursiveCharacterTextSplitter(
    # Split act into scenes
    separators=[r"\nSCENE "],
    is_separator_regex=True
)

अध्याय 2

नोड्स पर मौजूद text गुणों से एक embedding बनाई जाती है

अध्याय 2

एक उदाहरण domain ग्राफ मॉडल: एक व्यक्ति जो किसी कंपनी में काम करता है, जो एक address में स्थित है. व्यक्ति के पास एक क्रेडिट कार्ड है, जिसके विरुद्ध उसी स्थान की कंपनी में एक ऑर्डर प्लेस किया गया है

अध्याय 3

Context Precision: प्राप्त दस्तावेज़ों में संबंधित chunks का अनुपात मापता है
Noise Sensitivity: प्राप्त दस्तावेज़ों में अप्रासंगिक जानकारी की मात्रा मापता है

अध्याय 3

आगे क्या?

ब्लॉग पोस्ट
ट्यूटोरियल

¹ https://graphacademy.neo4j.com/

अभ्यास करते हैं!

LangChain और Neo4j के साथ Graph RAG